commit to user
41 menormalkan data, maka digunakan metode trimming yaitu
menghilangkan data yang bersifat outliers. Hasil pengujian normalitas data dengan menggunakan uji
kolmogorov-smirnov setelah transformasi data dan trimming dapat ditunjukkan pada tabel berikut ini:
TABEL IV. 3 HASIL UJI
KOLMOGOROV-SMIRNOV Variabel
Nilai Sig. Sig. 5
Kesimpulan
LNReturn 0,274
0,05 Berdistribusi normal
LEV 0,443
0,05 Berdistribusi normal
LNDER 0,876
0,05 Berdistribusi normal
LNROA 0,054
0,05 Berdistribusi normal
LNPBV 0,863
0,05 Berdistribusi normal
LNPER 0,981
0,05 Berdistribusi normal
Sumber: Hasil pengolahan data lampiran
Dari tabel IV.3 diatas menunjukkan bahwa variabel dependen dan variabel independen telah berdistribusi normal. Hal ini
ditunjukkan dengan nilai signifikansi yang lebih besar dari taraf signifikansi yaitu 0,05. Dengan demikian dapat disimpulkan bahwa
data tersebut berdistribusi normal.
2. Uji Asumsi Klasik
a. Uji Multikolonieritas
Uji multikolinearitas digunakan untuk menguji ada hubungan yang sempurna atau hubungan yang hampir sempurna
diantara variabel bebas pada model regresi. Hasil pengujian multikolinearitas ditunjukkan dalam tabel berikut ini:
commit to user
42
TABEL IV.4 HASIL UJI MULTIKOLONIEARITAS
Variabel Tolerance
VIF Kesimpulan
LEV 0,025
40,779 Terjadi multikolonieritas LNDER
0,023 42,584 Terjadi multikolonieritas
LNROA 0,128
7,836 Tidak terjadi multikolonieritas
LNPBV 0,156
6,402 Tidak terjadi multikolonieritas
LNPER 0,185
5,405 Tidak terjadi multikolonieritas
Sumber: Hasil pengolahan data lampiran
Dari tabel IV.4 diatas, ROA, PBV dan PER mempunyai nilai tolerance lebih besar dari 0,1 dan nilai VIF bernilai kurang
dari 10, sehingga tidak terdapat gejala multikolinearitas. Sedangkan LEV dan DER mempunyai nilai tolerance lebih kecil
dari 0,1 dan nilai VIF bernilai lebih besar dari 10 dan terdapat gejala multikolinieritas. Karena LEV dan DER terdapat gejala
multikolinieritas maka untuk mengatasinya dihapus salah satu variabel dengan kriteria yang mempunyai korelasi terbesar yaitu
LEV. TABEL IV.5
HASIL UJI MULTIKOLINEARITAS Variabel
Tolerance VIF
Kesimpulan
LNDER 0,327
3,054 Tidak terjadi multikolonieritas
LNROA 0,128
7,835 Tidak terjadi multikolonieritas
LNPBV 0,156
6,402 Tidak terjadi multikolonieritas
LNPER 0,185
5,400 Tidak terjadi multikolonieritas
Sumber: Hasil pengolahan data lampiran Dari hasil tabel IV.5, setelah variabel LEV dihapus maka semua
variabel independen tidak terdapat gejala multikolonieritas.
commit to user
43 b.
Uji Autokorelasi Uji autokorelasi digunakan untuk mendeteksi adanya
korelasi internal diantara anggota-anggota dari serangkaian pengamatan yang tersusun dalam rangkaian ruang dan waktu.
Hasil pengujian autokorelasi ditunjukkan dalam tabel berikut ini:
TABEL IV.6 HASIL UJI AUTOKORELASI
Model Summary
b
,279
a
,078 ,0542,749963
,078 3,219 4
152 ,014
1,920 Mode
1 R R Square
Adjusted R Square
Std. Error o the Estimate
R Square Change
F Change df1 df2 Sig. F Chang
Change Statistics Durbin-
Watson Predictors: Constant, LNROA, LNPER, LNDER, LNPBV
a. Dependent Variable: LNRETURN
b.
Sumber: Hasil pengolahan data lampiran Berdasarkan hasil output SPSS diatas, nilai Durbin-Watson
D-W yaitu sebesar 1,920. Nilai ini terletak diantara -2 sampai +2. Hal ini menunjukkan bahwa pada model regresi tidak
terdapat autokorelasi. c.
Uji Heteroskedastisitas Uji heteroskedastisitas dimaksudkan untuk mengetahui dalam
model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain Ghozali, 2005 : 105. Hasil
pengujian dengan uji glejser ditunjukan dalam tabel dibawah ini:
commit to user
44
TABEL IV.7 HASIL UJI GLEJSER
Variabel Nilai Sig
Sig 5 Kesimpulan
LNDER 0,199
0,05 Tidak terdapat heteroskedastisitas
LNROA 0,723
0,05 Tidak terdapat heteroskedastisitas
LNPBV 0,764
0,05 Tidak terdapat heteroskedastisitas
LNPER 0,764
0,05 Tidak terdapat heteroskedastisitas
Sumber: Hasil pengolahan data lampiran Dari hasil pengujian tabel IV.7 diatas, semua variabel
mempunyai nilai signifikansi di atas 0,05 berarti tidak terdapat heteroskedastisitas. Jadi model regresi tidak terjadi heteroskedastisitas.
C. Pengujian Hipotesis
